表格数据的语言建模：基础、技术与发展综述
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对当前缺乏表格数据语言建模方法的系统综述进行填补，探讨了表格数据的结构及数据类型的分类、重要数据集、建模技术以及从传统预训练语言模型到大型语言模型的演变。主要发现表明，采用大型语言模型能够显著提高预测性能，推动表格数据分析的多样化应用。
本文介绍了Tabular Foundation Models (TabFMs)，通过使用预训练的大型语言模型 (LLM) 并进行微调，实现了对表格数据的深刻理解和普适能力。TabFMs在指导性任务方面具有优势，并在某些情况下超越了闭源LLMs。同时，TabFM在有限数据下表现出了出色的效率和竞争性表现。文章还探讨了TabFM的局限性和潜在机会，旨在促进更强大的TabFMs的研究。
